唐业喜,周盛芳,李智辉
(吉首大学土木工程与建筑学院,湖南 张家界 427000)
产业扶贫是扶贫开发的重要战略,是适合我国现阶段扶贫实践的有效方式之一.近年来,对产业扶贫的研究主要集中在宏观理论分析和实践论证[1-4],而涉及产业扶贫绩效评价的研究较少.对贫困区的产业扶贫绩效进行评价,可为当地的精准扶贫与产业兴旺提供可行性参考.张家界市是中国大鲵最主要的原产地,依托大鲵养殖兴起的大鲵产业,已成为该市的新兴产业.笔者拟借助熵权TOPSIS法和阻碍因子分析模型,对张家界市大鲵产业扶贫绩效进行动态评价,以期针对性地提升大鲵产业的扶贫绩效,为连片特困区实现乡村振兴与全面小康提供理论借鉴.
为了确保大鲵产业扶贫绩效动态评价结果的正确性,遵循“系统、全面、科学、可操作性”原则,并参考文献[1-5]中的扶贫绩效评价指标和大鲵产业发展评价指标的选取[6-7],从经济、社会和生态3个方面,选取大鲵产业综合产值、人均地区生产总值和全体居民人均可支配收入等19项指标,构建大鲵产业扶贫绩效评价指标体系(表1).
表1 大鲵产业扶贫绩效评价指标体系
熵权法是通过评价指标原始数据来计算权重的,其原理是先量化评价指标中各待评价单元的信息,再进行综合运算.熵权法具体算法步骤如下[8]:
(ⅰ)对指标的原始数据进行规范化处理,
(1)
其中xij是第i个评价指标第j年的原始数据,zij为xij的规范化值.
(ⅱ)计算第i个指标的熵值Ei,
(2)
(ⅲ)计算第i个指标的权重wi,
(3)
采用熵权TOPSIS法进行评价.TOPSIS法又称优劣解距离法,主要根据数据归一化的规范化矩阵得到正、负理想解,再对现有对象进行相对优劣评价,属于常见的基于多目标的评价方法[9-10].传统TOPSIS法主要依赖于专家主观意见定权,主观性较强,而熵权TOPSIS法通过改进传统TOPSIS法中的评价对象与正、负理想解的计算公式,使得研究结果更客观[11].熵权TOPSIS法具体算法步骤如下:
(ⅰ)数据标准化处理.正指标的处理公式为
(4)
负指标的处理公式为
(5)
标准化后的数值xij构成标准化矩阵R=(rij)n×m.
(ⅱ)构建指标加权标准化决策矩阵.将wi与标准化矩阵R的每一行分别相乘,得到指标加权标准化决策矩阵V,即
(6)
(ⅲ)确定正理想解V+和负理想解V-,
(7)
(8)
(9)
(10)
(ⅴ)计算贴近度.贴近度表征各年评价目标与最优水平的接近程度,取值范围为[0,1],其值越接近1,评价目标结果就越靠近最优方案.贴近度Fj的计算公式为
(11)
参考文献[8]并结合大鲵产业扶贫绩效跨度较大的特点,设定大鲵产业扶贫绩效判定标准.将贴近度设置为4个等级,[0,0.30]之间为较差,(0.30,0.60]之间为中等,(0.60,0.80]之间为良好,(0.80,1]之间为优质.
(ⅵ)障碍因子分析.分析大鲵产业扶贫绩效的主要障碍因素,可为产业扶贫提供针对性建议.引入3个基本变量(因子贡献度Ki、指标偏离度Ii和障碍度Ui).因子贡献度Ki为单个指标对总目标的贡献度,通常用各指标权重wi表示;指标偏离度Ii为各指标实际值与最优目标值之间的距离,可表示为1-zij;障碍度Ui的大小表征子系统或各指标对产业扶贫绩效影响程度的高低,其计算公式为
(12)
以张家界市为实例,对其2012—2017年的面板数据进行分析.数据主要采集于2012—2017年《张家界统计年鉴》(简称“年鉴”)、张家界市政府工作报告和张家界市统计局网站,部分数据根据年鉴和政府工作报告中的资料数据计算所得,产业扶贫满意度指标数据通过问卷调查所得.
3.2.1 指标加权标准化决策矩阵构建与理想解确定 根据(1)~(6)式,构建张家界市大鲵产业扶贫绩效动态评价指标加权标准化决策矩阵(表2),并根据(7)和(8)式确定各指标的正、负理想解(表2).
表2 指标加权标准化决策矩阵与理想解
3.2.2 张家界市大鲵产业扶贫绩效动态评价结果 结合指标加权标准化决策矩阵中相关指标得分,运用(9)~(11)式,通过指标求和,计算得到张家界市2012—2017年大鲵产业扶贫绩效动态评价结果(表3).
表3 张家界市大鲵产业扶贫绩效动态评价结果
3.3.1 综合绩效分析 从表3可知:一是张家界市大鲵产业扶贫综合绩效逐年提升.2017年扶贫综合绩效达到0.902 703,是2012年的51.17倍,年平均增长率为120.54%,较高的年增长率是由于2012年张家界市大鲵产业刚起步不久,产业带动扶贫的能力极弱,但在政府部门的重视下,经过几年发展,到2017年扶贫绩效明显提升.二是张家界市大鲵产业扶贫综合绩效的提升速度整体呈倒U字型.2012—2015年提升速度逐年加快,2016和2017年提升速度稍有减慢.三是张家界市大鲵产业扶贫绩效贴近度逐渐向好.贴近度经历了较差(2012—2014年)、中级(2015年)、良好(2016年)和优质(2017年)4个阶段.
3.3.2 子系统绩效分析 从张家界市大鲵产业扶贫绩效各子系统的评价结果来看(表3),一方面,经济、社会和生态绩效基本呈逐年提升趋势.其中经济绩效上升速度最快,2017年绩效为0.752 779,是2012年的401.98倍,年平均增长率为231.94%.张家界市大鲵产业扶贫的经济绩效水平和增速都远远高于社会和生态绩效,这得益于近年来该市对大鲵产业的重视和大力投入,使得大鲵产业的综合产值、人均地区生产总值、第一产业增加值和旅游收入等逐年提升.另一方面,3个子系统的绩效变化趋势存在一定的差异.经济和社会绩效虽都呈逐年提升的趋势,但经济绩效的提升速度较快,社会绩效的提升速度较慢,而生态绩效在2012—2016年间逐年提升,2017年稍有回落,3个子系统之间的发展并不协调.
利用(12)式计算张家界市大鲵产业扶贫绩效各子系统及各指标的障碍度,并依据障碍度的排序,针对主要障碍因子展开深层次的分析.
(1)子系统的障碍因子分析.张家界市2012—2017年大鲵产业扶贫绩效子系统的障碍度列于表4.
表4 张家界市2012—2017年大鲵产业扶贫绩效子系统障碍度
从表4可知,张家界市大鲵产业扶贫绩效各子系统的障碍度变化存在较大差异.经济绩效的障碍度呈下降趋势,社会绩效的障碍度逐年增加,生态绩效的障碍度呈先下降后上升趋势.从具体数值来看,大鲵产业扶贫经济绩效的障碍度呈现“一方独大”的态势,平均值达0.828 308,远高于社会绩效的0.107 341和生态绩效的0.064 352.由此可见,要提高大鲵产业扶贫绩效,应重点关注社会和生态绩效,进一步统筹大鲵产业的经济与社会、生态协调发展.
(2)扶贫绩效的障碍因子分析.张家界市2012—2017年大鲵产业扶贫绩效的主要障碍因子及其障碍度列于表5.
表5 张家界市大鲵产业扶贫绩效的主要障碍因子及其障碍度(2012—2017)
从表5可知:19项指标中,排序前五的障碍因子主要集中在经济绩效中;从年份来看,2012和2013年的障碍因子主要集中在经济绩效和生态绩效中,2014—2017年的障碍因子主要集中在经济绩效和社会绩效中.具体来看:(1)2012—2017年间,大鲵产业综合产值、政府对大鲵产业投资额和销售商品鲵数的障碍度一直稳居前三,说明这3项指标对张家界市大鲵产业扶贫绩效的影响较大.(2)除了这3项指标外,2012和2013年,旅游收入和生态投资对张家界市大鲵产业扶贫绩效的影响较大;2014—2017年,贫困发生率和旅游收入的影响较大,且贫困发生率在2017年成为第4大阻碍因子.
大鲵产业综合产值、政府对大鲵产业投资额和销售商品鲵数3项指标,是大鲵产业扶贫绩效的主要障碍因子.因而,要加大对大鲵产业的投资,以确保产业持续稳定的发展;要完善大鲵产业的服务体系、市场开拓和基础设施建设,以促进销售商品鲵数的增长;要成立专门研发团队并引进高科技人才,优先发展精深加工,提高大鲵产业的科技含量,注重大鲵产业的创新发展,以提升大鲵产业的综合产值;同时,要大力倡导并推广循环经济,在节约和保护大鲵资源的同时,全力推进大鲵产业结构升级,并协调大鲵产业与旅游业及其他产业的关系,以提升大鲵产业扶贫经济绩效水平.
贫困发生率是大鲵产业扶贫绩效的主要障碍因子.因此,要基于大鲵产业的特殊性创新大鲵产业扶贫模式,建立大鲵产业扶贫机制,促进大鲵产业与精准扶贫政策有机结合,使得大鲵产业效益受益更多的贫困人口.具体而言,可通过贫困对象直接参与大鲵产业链条环节的“直接模式”、贫困对象将生产资料折价入股的“股份合作模式”和合作社+公司+贫困农户的“产销联接机制模式”,来提升大鲵产业扶贫社会绩效.
生态投资是大鲵产业扶贫绩效的主要障碍因子.因此,要注重保护生态环境,切实营造适合大鲵生存的良好生境;要注重保护的河流,尤其是大鲵原生地河流;要注重保护国家级和省级自然保护区、森林公园等生态功能区,以确保大鲵产业可持续发展.
根据张家界市大鲵产业扶贫绩效动态评价和障碍因子分析结果可知,当前扶贫绩效3个子系统之间的发展并不协调,经济绩效远远高于其他2个子系统,且其障碍度呈现“一方独大”的态势.因此在大鲵产业发展过程中,应从系统协调发展视角刺激社会消费,加大生态投资,以加强提升社会和生态绩效,从而促进大鲵产业扶贫绩效整体提升.